译的不好，还请见谅。。。
大部分内容来自wiki
decision theory决策理论部分：
Normative and descriptive decision theory
规范和描述性决策理论
规范或规范的决策理论关心的是确定最好的决定(在实践中,有些情况下,“最好”的不一定是最大,最优可能还包括值除了最大,但在特定或近似范围),假设一个理想的决策者充分了...
分类：
其他好文 时间：
2015-08-27 23:11:22
阅读次数：
473
本文转自：http://www.cnblogs.com/v-July-v/archive/2012/05/17/2539023.html 最近在研究规则引擎，需要学习决策树、决策表等算法。发现篇好文对我这个初学者很有指导价值，先转再细品。1. 什么是决策树 咱们直接切入正题。所谓决策树，顾名思义，....
分类：
其他好文 时间：
2015-08-20 23:49:47
阅读次数：
315
最近的关键字：分类算法，outlier detection，machine learning简介：此文将 k-means,decision tree,random forest,SVM(support vector mechine),人工神经网络（Artificial Neural Network，...
分类：
编程语言 时间：
2015-08-17 00:41:40
阅读次数：
298
初体验：概率论为我们提供了一个衡量和控制不确定性的统一的框架，也就是说计算出了一大堆的概率。那么，如何根据这些计算出的概率得到较好的结果，就是决策论要做的事情。一个例子：文中举了一个例子：给定一个X射线图x，目标是如何判断这个病人是否得癌症(C1或C2).我们把它看作是一个二分类问题,根据bayes...
分类：
其他好文 时间：
2015-08-14 15:35:37
阅读次数：
243
GBDT之前实习的时候就听说应用很广，现在终于有机会系统的了解一下。首先对比上节课讲的Random Forest模型，引出AdaBoost-DTree(D)AdaBoost-DTree可以类比AdaBoost-Stump模型，就可以直观理解了1）每轮都给调整sample的权重2）获得gt(D,ut)...
分类：
其他好文 时间：
2015-08-06 00:21:40
阅读次数：
317
将Adaboost和decision tree相结合，需要注意的地主是，训练时adaboost需要改变资料的权重，如何将有权重的资 料和decision tree相结合呢？方法很类似于前面讲过的bagging，通过采样资料来使资料获得不同的权重。 一棵完全的树的权值...
分类：
其他好文 时间：
2015-08-03 22:33:00
阅读次数：
138
总体来说，林对于random forest的讲解主要是算法概况上的；某种程度上说，更注重insights。林分别列举了Bagging和Decision Tree的各自特点：Random Forest就是这二者的结合体。1）便于并行化2）保留了C&RT的优势3）通过bagging的方法削弱了fully...
分类：
其他好文 时间：
2015-08-03 20:56:02
阅读次数：
523
VJVJ算法是object detection中提出较早的方法了，将它归类于DF (decision forests 决策森林)方法的范畴。References中的[1]，提出了 VJ 算法来进行人脸识别:采用的特征、分类器、算法的结构1) 采用的特征为rectangle features，种类有3...
分类：
其他好文 时间：
2015-08-02 13:08:27
阅读次数：
107
编号数据挖掘技术应用算法优势劣势1决策树（Decision Tree）用户划分、行为预测、规则梳理CHAIDCARTID3、C4.5、C5.01、决策树的构造不需要任何领域的知识，很适合探索式的知识发掘，并且可以处理高维度的数据2、决策树所产生的一系列从树根到树枝（或树叶）的规则，可以很容易地被分析...
分类：
其他好文 时间：
2015-08-02 11:38:27
阅读次数：
115
uva 125 Numbering PathsDescription
Download as PDF
Background
Problems that process input and generate a simple yes'' orno” answer are called decision problems. One class of decision problems, the N...
分类：
编程语言 时间：
2015-08-01 11:37:38
阅读次数：
112
